Lợi nhuận:
- Giải thích cách hoạt động của mô hình ngôn ngữ lớn bằng cách dự đoán từ tiếp theo và điều này có ý nghĩa gì đối với việc viết nhanh
- Anh ấy có thể chỉ ra lý do tại sao Nhắc lại xác định chất lượng đầu ra nhiều như vậy bằng một ví dụ từ chính tác phẩm của mình.
- Bằng cách phân biệt điểm mạnh và điểm yếu của mô hình, người ta có thể quyết định nhiệm vụ nào sẽ sử dụng nó một cách an toàn.
Giới thiệu về Trí tuệ nhân tạo và Lời nhắc: Mô hình "Suy nghĩ" như thế nào
Cách tốt nhất để thực sự học cách viết lời nhắc là trước tiên phải hiểu cách hoạt động của công cụ này. Trong phần này, chúng ta sẽ thấy logic cơ bản của mô hình ngôn ngữ lớn (viết tắt là LLM; tức là hệ thống trí tuệ nhân tạo tạo ra văn bản), tại sao nó lại hữu ích trong công việc hàng ngày của bạn và nó có những giới hạn ở đâu. Những lời nhắc được viết mà không có nền tảng này thường dẫn đến câu hỏi "tại sao đôi khi chúng tạo ra kết quả tuyệt vời và đôi khi lại mang lại kết quả khủng khiếp?" để bạn một mình với câu hỏi. Sự không chắc chắn này phần lớn sẽ biến mất khi đơn vị này được hoàn thành.
Mô hình ngôn ngữ lớn thực sự làm gì?
Theo định nghĩa đơn giản nhất, mô hình ngôn ngữ lớn là một hệ thống dự đoán từ có nhiều khả năng nhất sẽ xuất hiện sau văn bản bạn đưa ra. Bằng cách kiểm tra hàng tỷ câu, mô hình đã học được mẫu "từ nào đến sau từ nào". Khi bạn bắt đầu một câu, mô hình sẽ xem xét những gì đã được viết cho đến nay và tạo ra phần tiếp theo có khả năng xảy ra nhất, sau đó thêm từ được tạo vào đầu vào và dự đoán từ tiếp theo. Chu kỳ này tiếp tục cho đến khi phản hồi hoàn tất.
Hãy làm rõ thuật ngữ mã thông báo được sử dụng ở đây: mã thông báo là đơn vị nhỏ nhất mà mô hình chia nhỏ văn bản; Nó gần bằng kích thước của một từ hoặc một phần của từ. Mô hình tiến triển không phải từng từ một mà là từng mã thông báo. Hậu quả thực tế đối với bạn là mô hình không phải là con người “hiểu” ý định của bạn, mà là một cỗ máy dự đoán rất mạnh mẽ, thống kê chọn ra phần tiếp theo phù hợp nhất cho văn bản bạn đưa ra.
Ý nghĩa quan trọng nhất của định nghĩa này là yếu tố quyết định mạnh mẽ nhất hướng đi của đầu ra là văn bản bạn đưa ra làm đầu vào. Vì vậy, lời nhắc của bạn. Mô hình không đưa ra câu trả lời có sẵn từ cơ sở dữ liệu, không thực hiện tìm kiếm trực tiếp trên internet và không sao chép các trang (trừ khi có quy định cụ thể khác). Nó chỉ tạo ra văn bản phù hợp nhất với ngữ cảnh bạn đưa ra. Đầu vào tốt là điều kiện quyết định nhất để có đầu ra tốt.
Tại sao "Cùng mẫu, kết quả khác nhau"?
Mô hình cũng sử dụng một tỷ lệ ngẫu nhiên nhỏ trong việc chọn từ có khả năng xảy ra nhất mỗi lần; Vì vậy, khi bạn hỏi cùng một lời nhắc hai lần, bạn có thể không nhận được những câu giống hệt nhau. Đây không phải là lỗi, nó là một phần của thiết kế. Công việc của bạn là vẽ ra một khuôn khổ đủ rõ ràng để không để kết quả xảy ra theo cơ hội. Khung càng rõ ràng thì kết quả của hai thử nghiệm khác nhau sẽ càng gần gũi và hữu ích hơn.
Từng bước: yêu cầu tiến triển như thế nào thông qua mô hình?
- Đọc đầu vào. Mỗi từ bạn viết là một manh mối hướng dẫn dự đoán. Khi bạn nói “giống như một luật sư cấp cao”, mô hình sẽ khiến văn bản gần với giọng điệu đó hơn.
- Cân nhắc bối cảnh. Bối cảnh, các ràng buộc và ví dụ bạn đưa ra sẽ thu hẹp ước tính. Nếu ngữ cảnh trống, mô hình sẽ điền vào chỗ trống các giả định của chính nó.
- Nó tạo ra từng từ một. Mỗi mã thông báo mà nó tạo ra sẽ trở thành đầu vào cho mã tiếp theo; vì vậy hướng bạn đưa ra lúc đầu sẽ được áp dụng cho toàn bộ câu trả lời.
- Anh ấy dừng lại. Nó làm gián đoạn quá trình sản xuất khi nhiệm vụ hoàn thành hoặc đạt đến độ dài bạn đã chỉ định.
Ba trường hợp nhỏ: Sự khác biệt nhanh chóng về các con số
Trường hợp 1 - Chuyên gia tiếp thị, chủ đề email. Khi một chuyên gia tiếp thị nói “gợi ý một chủ đề cho chiến dịch”, anh ta nhận được 5 danh hiệu chung và không thích danh hiệu nào; Anh ấy đã dành 20 phút để sửa nó bằng tay. Ngày hôm sau, khi anh nói: “Đối tượng mục tiêu là các chủ sở hữu SME trong độ tuổi 30-45, sản phẩm là phần mềm kế toán đám mây, 6 đơn vị, mỗi đơn vị tối đa 45 ký tự, hấp dẫn nhưng ít nói”, anh đã trực tiếp sử dụng 4 trong 6 tiêu đề. Thời lượng giảm từ 20 phút xuống còn 4 phút.
Trường hợp 2 - Nhân sự, văn bản quảng cáo. Một chuyên gia nhân sự đã nhận được một văn bản soạn sẵn với lời nhắc "viết một công việc dành cho nhà phát triển phần mềm". Khi chúng tôi thêm ngôn ngữ thực tế của công ty (mô tả văn hóa 3 câu), 4 bằng cấp bắt buộc và hạn chế "ghi rõ mức lương" vào lời nhắc, tỷ lệ ứng viên không đủ tiêu chuẩn vào quảng cáo đã giảm rõ rệt trong quảng cáo tiếp theo vì văn bản đã thiết lập rõ ràng kỳ vọng.
Trường hợp 3 - Kế toán, tóm tắt báo cáo. Khi một giám đốc kế toán cho biết ông đã “tóm tắt” một báo cáo chi phí dài 12 trang, mô hình đã bỏ sót những mục quan trọng. Khi anh ấy nói: “Từ báo cáo này, 5 khoản mục chi phí cao nhất được lập bảng với tỷ lệ phần trăm thay đổi so với tháng trước”, anh ấy đã hiểu chính xác cấu trúc mà anh ấy sẽ đưa ra cho cuộc họp quản lý. Nội dung giống nhau, hướng dẫn khác nhau.
Nhắc yếu / Nhắc mạnh
Cùng một công việc, với hai hướng dẫn khác nhau:
Dấu nhắc yếu:
Tóm tắt văn bản này.[văn bản]
Lời nhắc mạnh mẽ:
Tóm tắt biên bản cuộc họp dưới đây để trình lên ban giám đốc. - Tối đa 5 món. - Mỗi mục nên chứa một quyết định hoặc hành động; Bỏ qua các chi tiết trò chuyện. - Viết tên trong ngoặc đơn cho những hành động mà người chịu trách nhiệm được biết đến. - Sử dụng ngôn ngữ đơn giản, trang trọng. Văn bản: [văn bản]
Lời nhắc thứ hai cho mô hình biết cần sản xuất cái gì, cho ai, ở định dạng nào và những gì cần bỏ qua. Mô hình không thực hiện việc “suy nghĩ” mà tạo ra sự tiếp tục đúng đắn; Bạn vẽ khuôn khổ của sự tiếp nối đó.
Bốn mẫu có thể sao chép
Bốn mẫu khởi đầu đơn giản để nhanh chóng áp dụng logic trong bài học này vào thực tế. Hãy điền vào dấu ngoặc những thông tin của riêng bạn.
1) Khung củng cố yêu cầu:
Tôi muốn bạn thực hiện nhiệm vụ này: [task]Dành cho ai: [người mua/khán giả]Ở định dạng nào: [độ dài, cấu trúc]Nội dung cần bỏ qua: [những gì bạn không muốn]
2) Kiểm tra ranh giới của mô hình (phản xạ xác minh):
Nếu có những tuyên bố thực tế (số, ngày, tên, nguồn) trong câu trả lời của bạn bên dưới, hãy trích xuất từng tuyên bố thành một danh sách riêng biệt và đánh dấu là "phải được xác minh". Trả lời: [đầu ra của mô hình]
3) Hãy thử cùng một nhiệm vụ ở hai cấp độ:
Giải thích chủ đề sau hai lần:A) Với một người hoàn toàn xa lạ, bằng ngôn ngữ hàng ngày.B) Với một chuyên gia trong lĩnh vực này, theo thuật ngữ kỹ thuật. Chủ đề: [chủ đề]
4) Làm cho mô hình nhận ra sự không chắc chắn:
Trước khi đưa ra yêu cầu tôi đưa ra, hãy hỏi tôi 3 câu hỏi về những điểm bạn thấy còn thiếu hoặc chưa rõ ràng; sau đó sản xuất theo câu trả lời của tôi.Yêu cầu: [request]
Điểm mạnh và điểm yếu của mô hình
chủ đề
Mô hình này mạnh mẽ
Mô hình yếu/thận trọng
vấn đề ngôn ngữ
Viết, tóm tắt, dịch, chuyển giọng điệu
Lỗi thuật ngữ rất kỹ thuật/ngách
cấu trúc
Chuyển đổi văn bản thành bảng, danh sách, phác thảo
Duy trì tính nhất quán trong văn bản dài
ý tưởng
Động não, tạo ra các lựa chọn thay thế
Đảm bảo những gì "đúng"
trường hợp
Thông tin chung, định nghĩa, giải thích
Dữ liệu, số, ngày, nguồn hiện tại/chính xác
lý luận
Tốt nếu được hướng dẫn từng bước
Đừng âm thầm thực hiện sai các phép tính phức tạp
Mẹo: Hãy xem người mẫu này không phải với tư cách là một “chuyên gia biết tuốt” mà là một “trợ lý viết rất nhanh, đọc nhiều, nhưng mọi điều anh ta nói đều cần phải được xác minh”. Chế độ xem này điều chỉnh chính xác cả kỳ vọng và thói quen kiểm soát của bạn.
Lưu ý: Người mẫu có thể viết thông tin bằng ngôn ngữ rất tự tin nhưng điều này không có nghĩa là thông tin đó là chính xác. Luôn xác minh độc lập các chi tiết thực tế, đặc biệt là số lượng, tên, ngày tháng, quy chế và nguồn. Chúng ta sẽ quay lại chủ đề này một cách chi tiết ở bài 11.
Những lỗi thường gặp
- Nhầm mô hình với con người. Đưa ra những hướng dẫn không đầy đủ bằng cách nói "Dù sao thì họ cũng sẽ hiểu". Mô hình không đọc được ý định của bạn; Nó chỉ xử lý những gì bạn gõ.
- Từ bỏ trong một lần thử. Nếu đầu ra ban đầu kém, hãy đổ lỗi cho công cụ. Tuy nhiên, phần lớn vấn đề nằm ở hướng dẫn và một sự điều chỉnh nhỏ có thể thay đổi kết quả.
- Sử dụng sự thật mà không xác minh chúng. Chấp nhận một số liệu thống kê hoặc nguồn do mô hình đưa ra mà không thắc mắc là thói quen rủi ro nhất.
- Nhập dữ liệu bí mật mà không cần suy nghĩ. Dán thông tin nhạy cảm mà không biết công cụ hoạt động như thế nào. Có những quy tắc cho vấn đề này, như chúng ta sẽ thấy trong phần bảo mật.
- Lầm lẫn sự ngẫu nhiên với một sai lầm. Giải thích hai kết quả khác nhau là “xe bị hỏng”; Tuy nhiên, khi bạn tăng độ rõ ràng, kết quả sẽ hội tụ.
Tóm lại
- Mô hình ngôn ngữ lớn hoạt động bằng cách dự đoán từ (mã thông báo) có nhiều khả năng xuất hiện tiếp theo nhất trong văn bản bạn đưa ra; Người đó không chọn những câu trả lời làm sẵn.
- Yếu tố mạnh mẽ nhất quyết định hướng của đầu ra là lời nhắc bạn đưa ra làm đầu vào.
- Mạnh về ngôn ngữ mô hình, cấu trúc và ý tưởng; cẩn thận với các sự kiện chính xác, dữ liệu hiện tại và các phép tính phức tạp.
- Do tính ngẫu nhiên nhỏ, cùng một lời nhắc có thể cho kết quả khác nhau; Khi độ rõ ràng tăng lên, kết quả sẽ trở nên nhất quán hơn.
- Người mẫu không phải là “chuyên gia nói đúng những gì mình nói” mà là “một trợ lý nhanh nhẹn nhưng cần được kiểm chứng”.
Nhiệm vụ ứng dụng
Chọn một nhiệm vụ viết trong công việc hàng ngày của bạn mà bạn thường xuyên làm (ví dụ: email, bản tóm tắt hoặc danh sách). Đầu tiên, viết phiên bản một câu đơn giản nhất, đưa cho công cụ AI và lưu kết quả đầu ra. Sau đó đến nhiệm vụ tương tự; Thêm câu trả lời cho các câu hỏi "dành cho ai, ở định dạng nào, độ dài bao nhiêu và nội dung nào cần bỏ qua" và hỏi lại chúng. Đặt hai kết quả đầu ra cạnh nhau và ghi chú trong một câu phép cộng nào cải thiện kết quả nhiều nhất.
danh sách kiểm tra
- [ ] Tôi nhận ra rằng mô hình đang "dự đoán từ tiếp theo" và không đọc được ý định của tôi.
- [ ] Tôi nhận ra rằng chất lượng đầu ra phụ thuộc phần lớn vào chất lượng của lời nhắc.
- [ ] Tôi có thể phân biệt giữa các loại nhiệm vụ trong đó mô hình mạnh và yếu.
- [ ] Tôi hiểu rằng tôi cần xác minh chi tiết thực tế (số, ngày, tên, nguồn).
- [ ] Tôi có thể giải thích tại sao cùng một lời nhắc có thể cho kết quả khác nhau.